如何无需显式循环，通过两个DataFrame计算填充pandas列

核心思路 #

通过分组聚合提取目标日期，再合并关联两个DataFrame，最后向量化计算天数差，全程避免循环，利用Pandas的向量化特性提升效率。

具体步骤与代码实现 #

假设两个DataFrame的列结构如下：

• baseDataframe：包含列n（个体标识）、date1（基准日期）、age（待填充空值列）
• actionDataframe：包含列n（个体标识）、actionID（动作ID）、action1date（动作发生日期）

1. 提取每个个体对应最小actionID的动作日期

利用groupby分组结合idxmin定位每组中actionID最小的行，提取对应的action1date：

import pandas as pd

# 定位每个n组中actionID最小的行索引
min_action_row_idx = actionDataframe.groupby('n')['actionID'].idxmin()
# 提取目标日期，得到以n为索引的Series
target_dates = actionDataframe.loc[min_action_row_idx, ['n', 'action1date']].set_index('n')['action1date']

另一种等价实现（适合偏好排序逻辑的场景）：

# 按n和actionID升序排序，保留每个n的第一行（即actionID最小的行）
sorted_actions = actionDataframe.sort_values(by=['n', 'actionID'])
target_dates = sorted_actions.drop_duplicates(subset='n', keep='first').set_index('n')['action1date']

2. 合并数据并计算天数差

将提取到的目标日期与baseDataframe关联，再计算日期差并填充age列：

# 合并两个DataFrame，按n匹配日期
baseDataframe = baseDataframe.merge(target_dates, left_on='n', right_index=True, how='left')

# 确保日期列是datetime类型（若原始数据未转换）
baseDataframe['date1'] = pd.to_datetime(baseDataframe['date1'])
baseDataframe['action1date'] = pd.to_datetime(baseDataframe['action1date'])

# 计算天数差，赋值给age列
baseDataframe['age'] = (baseDataframe['action1date'] - baseDataframe['date1']).dt.days

# 可选：移除临时合并的action1date列
baseDataframe.drop(columns='action1date', inplace=True)

效率优势说明 #

Pandas的groupby、merge、日期运算均基于向量化底层实现，避免了Python循环的逐行计算开销，在数据量较大时（如十万级以上行），效率会比循环实现高出数倍甚至数十倍。

内容的提问来源于stack exchange，提问作者t3ahunt3r